Algoritmalar Bizi Nasıl Puanlıyor? Adayların Gizli Teorileri

Yapay zeka işe alım süreçlerine dahil olduğundan beri adayların aklında tek bir soru var: "Bu makine beni neye göre eliyor?" Teknik detayları bilmeyen adaylar, sistemin çalışma mantığını çözmek için kendi sezgilerine dayalı bazı varsayımlar geliştiriyor. Bilim dünyasında "Folk Teorileri" olarak adlandırılan bu durum, adayların yapay zekayı bir kara kutu gibi görmesine ve o kutuyu açmak için bazen çok yaratıcı, bazen de tamamen yanlış stratejiler izlemesine neden oluyor. Yapılan güncel araştırmalar, adayların yapay zekayı nasıl "hacklemeye" çalıştığını ve bu teorilerin işe alım kalitesini nasıl etkilediğini çarpıcı verilerle ortaya koyuyor.

Folk teorileri: Yapay zekayı bir "süper güç" olarak görmek

Adaylar, yapay zekanın nasıl karar verdiğini tam olarak anlamasalar da onun hakkında karmaşık zihinsel modeller oluşturuyor. Md Nazmus Sakib ve meslektaşları (2018/2024) tarafından yürütülen "Experience and Adaptation in AI-mediated Hiring Systems" başlıklı araştırma, bireylerin yapay zeka davranışlarını açıklamak için sezgisel akıl yürütme yöntemlerine, yani "folk teorilerine" başvurduğunu belirtiyor. Bu çalışmaya göre insanlar yapay zekayı bazen basit bir araç, bazen bir asistan, bazen de ne yapacağı kestirilemeyen gizemli bir "süper güç" olarak tanımlıyor.

Bu teoriler, adayların mülakat sırasındaki davranışlarını doğrudan şekillendiriyor. Örneğin adaylar, sistemin reklamı yapılan kadar gelişmiş olmadığını fark ettiklerinde (beklenti ihlali), kararların nasıl verildiğine dair tahmin yürütmeye başlıyor ve bu belirsizlik stres seviyesini ciddi şekilde artırıyor. Sakib ve ekibi (2018/2024), adayların net bir rehberlik bulamadıklarında kendi teorilerini ürettiklerini ve bu durumun duygusal bir gerginlik yarattığını vurguluyor.

Stratejik manipülasyon: Algoritmayı yanıltma çabaları

Adaylar, yapay zekanın "ideal çalışan" profilini çözdüklerini düşündüklerinde cevaplarını bu profile göre değiştirmeye başlıyor. Marie-Pierre Dargnies ve meslektaşları (2025) tarafından yürütülen "Behavioral Measures Improve AI Hiring" isimli saha deneyi, adayların şirketin beklentilerini tahmin edip cevaplarını buna göre "stratejik olarak" modifiye ettiğini kanıtlıyor. Ancak adayların bu tahminleri her zaman doğru çıkmıyor.

Araştırmadaki en ilginç bulgulardan biri "sabır" değişkeni üzerine oluyor. Dargnies ve ekibinin (2025) verilerine göre adaylar, yapay zekaya aslında olduklarından daha "sabırsız" görünüyorlar; çünkü sabırsızlığın yüksek motivasyon ve hırs göstergesi olarak algılanacağını varsayıyorlar. Oysa algoritma, uzun vadeli verimlilik için sabırlı adayları daha yüksek puanlıyor. Benzer şekilde adaylar, yapay zekayı etkilemek için "neuroticism" (duygusal dengesizlik) skorlarını düşük, "locus of control" (kontrol odağı) skorlarını ise olduklarından çok daha yüksek rapor ediyor.

Performans sanatı: Sessizliğe karşı mülakat vermek

Adayların en büyük folk teorilerinden biri de yapay zekanın beden dilini ve aksanı nasıl puanladığıyla ilgili oluyor. Birçok aday, yapay zekanın en ufak bir göz hareketini bile "negatif" olarak kodlayacağına inanıyor. Sakib ve meslektaşları (2018/2024) araştırmasında adayların bu durumu "performing to silence" (sessizliğe performans sergilemek) olarak tanımladığını belirtiyor.

Bu inanç şu davranışlara yol açıyor:

Aksan maskeleme: Araştırmadaki veriler, ana dili farklı olan adayların yapay zeka tarafından yanlış anlaşılmamak için kendi doğal aksanlarını bastırıp robotik bir tonla konuştuğunu gösteriyor.
Yapay gülümseme: Adaylar, sistemin "pozitiflik" ölçtüğünü varsayarak mülakat boyunca yüzlerinde zorlama bir gülümseme tutmaya çalışıyor.
Anahtar kelime avcılığı: Nicole Jurado (2025) çalışmasında adayların özgeçmişlerini ve mülakat cevaplarını, sistemin "sevdiği" anahtar kelimelerle doldurduğunu ifade ediyor.

Adaylar bu tür performatif eylemlerin kendilerini duygusal olarak tükettiğini ve "insanlıktan çıkarılmış" (dehumanized) hissettirdiğini söylüyorlar. Sakib ve ekibi (2018/2024), adayların bu süreçleri mülakattan ziyade bir "hackathon" gibi gördüğünü vurguluyor.

Şeffaflık folk teorilerini nasıl bitiriyor?

Adayların yanlış varsayımlar üzerine strateji kurmasını engellemenin tek yolu şeffaf bir iletişim dili kurmaktan geçiyor. Poenaru ve Diaconescu (2025) araştırmasındaki sonuçlar, şeffaf ve adil bir yapay zeka kullanımının adayların teknolojiye duyduğu güveni artırdığını gösteriyor. Adaylar, sistemin neyi puanladığını bildiklerinde (örneğin: "sadece kelime içeriğine bakıyoruz, mimiklere bakmıyoruz") kendilerini oyunda hissetmek yerine gerçek performanslarına odaklanıyorlar.

Md Nazmus Sakib ve meslektaşları (2018/2024), aday stresini azaltmak için şu tasarım müdahalelerini öneriyor:

Transkript düzenleme: Adaya yapay zekanın onu nasıl duyduğunu göstermek ve hataları düzeltme hakkı tanımak.
Anlık geri bildirim: Yapay zekanın "Anlıyorum, harika bir örnekti" gibi tepkiler vermesi "duvara konuşma" hissini bitiriyor.
Rehberlik: Mülakat öncesi sistemin çalışma mantığına dair kısa bir bilgilendirme videosu sunmak.

Adayların geliştirdiği "folk teorileri", aslında bir belirsizlik ve güvensizlik çığlığı. Şirketler yapay zekayı bir "eleme kalkanı" olarak kullandıkça adaylar da o kalkanı delmek için yollar aramaya devam ediyor.

Geleceğin başarılı işe alım sistemleri, adayları tahmin yürütmeye zorlayan değil; onlara süreci tüm şeffaflığıyla anlatan ve insani bir etkileşim zemini sunan sistemler oluyor. Brian Jabarian ve Luca Henkel (2026) araştırmasında vurgulandığı gibi, yapay zeka ve insan dengesi doğru kurulduğunda iş teklifi oranları artıyor. En iyi adaylar algoritmalarla oyun oynayanlar değil, şeffaf bir ortamda gerçek potansiyelini korkusuzca sergileyebilenler.

Kaynakça

Dargnies, M. P., Hakimov, R., & Kübler, D. (2025). Behavioral Measures Improve AI Hiring: A Field Experiment. Discussion Paper No. 532, CRC TRR 190.
Jabarian, B., & Henkel, L. (2026). Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews. Booth School of Business, University of Chicago.
Jurado, N. (2025). The effects of artificial intelligence on shaping employer brand perception: insights from entry-level hiring practices. Master Thesis, Universidad Carlos III de Madrid.
Poenaru, L. F., & Diaconescu, V. (2025). Bridging Technology and Talent: Gen Z's Take on AI in Recruiting and Hiring. Bucharest University of Economic Studies.
Sakib, M. N., Rayasam, N. M., & Dey, S. (2018/2024). Experience and Adaptation in AI-mediated Hiring Systems: A Combined Analysis of Online Discourse and Interface Design. University of Maryland.
Gartner. (2026). Gartner Survey Shows Just 26% of Job Applicants Trust AI Will Fairly Evaluate Them.
Chopra, F., & Haaland, I. (2024). Conducting Qualitative Interviews with AI. CESifo Working Papers, No. 10666.